CN107592674B - 一种信能协同传输的ofdm中继网络资源分配方法 - Google Patents

一种信能协同传输的ofdm中继网络资源分配方法 Download PDF

Info

Publication number
CN107592674B
CN107592674B CN201710810434.1A CN201710810434A CN107592674B CN 107592674 B CN107592674 B CN 107592674B CN 201710810434 A CN201710810434 A CN 201710810434A CN 107592674 B CN107592674 B CN 107592674B
Authority
CN
China
Prior art keywords
quantum
cockroach
energy
information
optimal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710810434.1A
Other languages
English (en)
Other versions
CN107592674A (zh
Inventor
高洪元
刘丹丹
苏雪
刁鸣
李佳
苏雨萌
侯阳阳
刘子奇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Engineering University
Original Assignee
Harbin Engineering University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Harbin Engineering University filed Critical Harbin Engineering University
Priority to CN201710810434.1A priority Critical patent/CN107592674B/zh
Publication of CN107592674A publication Critical patent/CN107592674A/zh
Application granted granted Critical
Publication of CN107592674B publication Critical patent/CN107592674B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Coloring Foods And Improving Nutritive Qualities (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明属于无线通信技术领域，具体涉及一种信能协同传输的OFDM中继网络资源分配方法。步骤为：建立信能协同传输的OFDM中继网络资源分配方法模型；初始化量子蟑螂群的初始种群；构造食物浓度函数，获得全局最优量子位置；量子蟑螂根据两种量子演化规则进行量子旋转角更新，根据量子演化规则爬行获得新的量子位置；把每只量子蟑螂新产生的量子位置映射为位置，更新每只量子蟑螂记忆中的自身最优量子位置和全局最优量子位置；判断是否达到最大迭代次数，若没有达到最大迭代次数，迭代次数加1，返回到第四步继续迭代，否则进入到下一步骤；结束迭代，输出资源分配结果。本发明将量子计算与蟑螂搜索机制相结合，具有搜索速度快和全局搜索能力强的优点。

Description

一种信能协同传输的OFDM中继网络资源分配方法
技术领域
本发明属于无线通信技术领域，具体涉及一种信能协同传输的OFDM中继网络资源分配方法
背景技术
信能协同传输即信息与能量协同传输，它能够利用电磁波既能承载信息又能承载能量的特性，实现信息与能量的并行传输，即在信息传输的同时完成能量的传输，从而提高发射功率的利用率，符合绿色通信发展的要求，具有重要的实际意义。随着无线通信网络的迅速发展和多媒体业务需求的日益增长，有限的频谱资源和业务服务质量要求不断增长之间的矛盾日益尖锐，为了缓和这一矛盾，无线网络资源分配技术成为当前无线通信领域研究的热点。
正交频分复用(OFDM)技术能够把频谱分离成若干个相互正交的子载波，每个子载波能够向接收端传输信息和能量，其独特优势为信能协同传输和资源分配提供了灵活的自由度。同时中继技术因其具有完美的覆盖能力而进入人们的视野，OFDM技术和中继技术的结合已成为未来无线通信系统技术难题的有效解决方案，为未来无线通信系统带来更好的用户体验，但其资源分配的复杂度也将进一步加大。
经对现有文献检索发现，Caijun Zhong等在杂志《IEEE Transactions onCommunications》上发表了一篇叫做《Wireless Information and Power Transfer WithFull Duplex Relaying》的文章，文章中提到在一个两跳全双工中继系统中采用时间选择机制来进行信能协同传输，但该方法并未在资源分配过程中应用OFDM的子载波功率分配进行信息和能量的最优协同传输。Shuangcheng Yan等在杂志《Wireless CommunicationsNetworking and Mobile Computing》上发表的文章《Power Allocation Algorithms forOFDM-Based Cognitive Radio Systems》中提出了使用拉格朗日对偶法求解功率分配问题，从而获得了最优解，但是这种方法复杂度较高。已有文献表明，现有的资源分配方法由于其较高的复杂度对系统的硬件要求造成了较大压力，本发明提出了一种信能协同传输的OFDM中继网络资源分配方法，该方法利用量子计算与蟑螂搜索机制的优势来解决连续问题，具有搜索速度快和全局搜索能力强的优点，适用于信能协同传输的OFDM中继网络的资源分配，和传统方法相比，能在同等通信条件下利用更少的系统资源提供更高的通信性能。
发明内容
本发明的目的在于提供一种信能协同传输的OFDM中继网络资源分配方法，针对现有资源分配方法的不足，该方法以最大化信能协同传输OFDM中继系统吞吐量为目标，在源节点和中继节点的峰值功率约束及每个子载波的能量约束下进行信能协同传输。
本发明的目的是这样实现的：
一种基于特殊非均匀线阵的高效压缩感知测向方法，具体的实现步骤如下：
步骤1.信能协同传输的OFDM中继网络资源分配方法模型建立；
基于三节点信能协同传输的OFDM中继网络，包括一个源节点S，中继节点R以及目的节点D，其中R是一个有初始能量E0的能量采集节点，通信过程由两个等长的时隙完成，每个时隙的长度归一化为1，相应的结论扩展到任意长的时隙中，在同一时间，系统带宽W被分成N个相等的正交子载波，并且子载波集合被记作
Figure BDA0001403709720000021
假设每一个信道都为瑞利衰减信道，并且子载波n的S-R信道增益为gn，子载波n的R-D信道增益为hn；
在第一时隙，
Figure BDA0001403709720000022
被分成了两个完备的集合NE和NI，分别被用于传输能量和信息，并且子载波n的传输功率为
Figure BDA0001403709720000023
在第二时隙，中继通过所有的子载波传输信息，并且子载波n的传输功率为
Figure BDA0001403709720000024
假设源节点的峰值功率约束为Q，因此pn应该满足
Figure BDA0001403709720000025
在中继消耗的能量不能超出初始能量和采集能量的总和，即
Figure BDA0001403709720000026
其中，η表示能量传输效率，0≤η≤1，E0为能量采集节点R的初始能量；
系统的数据传输率C必须小于等于S-R和R-D的信道容量，为确保目的节点完全接收到源传输的数据，因此
Figure BDA0001403709720000027
其中，
Figure BDA0001403709720000028
和
Figure BDA0001403709720000029
分别表示R和D的接收机噪声功率；
最大化吞吐量方程及其变量约束条件表示为
Figure BDA0001403709720000031
Figure BDA0001403709720000032
Figure BDA0001403709720000033
Figure BDA0001403709720000034
Figure BDA0001403709720000035
其中，Pmax和
Figure BDA0001403709720000036
分别表示源节点子载波和中继节点子载波的最大峰值功率，并且存在最大可达到速率
Figure BDA0001403709720000037
其中的s.t.代表待求解变量必须满足的约束条件；
步骤2.初始化量子蟑螂群的初始种群，包括每个个体的量子位置、每个个体记忆的自身最优量子位置和位置，在量子区间初始化H只量子蟑螂，第h只量子蟑螂在第t代的量子位置为
Figure BDA0001403709720000038
其中
Figure BDA0001403709720000039
h＝1,2,...,H，m＝1,2,...,M，第h只量子蟑螂到第t代为止所记忆的自身最优量子位置为
Figure BDA00014037097200000310
步骤3.构造食物浓度函数，计算量子位置的食物浓度，记录全局最优量子位置，把第h只量子蟑螂在第t代的量子位置
Figure BDA00014037097200000311
映射为位置
Figure BDA00014037097200000312
将其带入食物浓度函数，得到
Figure BDA00014037097200000313
其中h＝1,2,...,H，λ是取值很小的惩罚因子，得到该量子位置和位置所对应的食物浓度，把食物浓度最大的量子位置记做全局最优量子位置，为
Figure BDA00014037097200000314
步骤4.量子蟑螂根据两种量子演化规则进行量子旋转角更新，每只量子蟑螂根据所选择量子演化规则爬行获得新的量子位置；
步骤5.把每只量子蟑螂新产生的量子位置映射为位置，计算其食物浓度，更新每只量子蟑螂记忆中的自身最优量子位置和全局最优量子位置；
把第h只量子蟑螂在第t代的量子位置
Figure BDA0001403709720000041
映射为位置
Figure BDA0001403709720000042
将上述位置带入到食物浓度函数，得到
Figure BDA0001403709720000043
其中h＝1,2,...,H，λ是取值很小的惩罚因子，得到该量子位置和位置所对应的食物浓度；
步骤6.判断是否达到最大迭代次数，若没有达到最大迭代次数，迭代次数加1，并且返回到步骤4进行继续迭代，否则进入到下一步骤；
步骤7.结束迭代，输出资源分配结果。
步骤4中所述的量子蟑螂中的第h只量子蟑螂，依等概率从下面的演化规则随机选择一个进行量子位置的更新，规则如下所示，
规则1.量子蟑螂从自己记忆的自身最优量子位置和全局最优量子位置进行经验学习，进行量子旋转角的更新，其第m维量子旋转角更新为
Figure BDA0001403709720000044
其中
Figure BDA0001403709720000045
和
Figure BDA0001403709720000046
为均匀分布在[0,1]之间的均匀随机数，c1为加权系数，
Figure BDA0001403709720000047
为第t代量子蟑螂的自身最优量子位置的第m维，
Figure BDA0001403709720000048
为第t代量子蟑螂的全局最优量子位置的第m维；
规则2.量子蟑螂从整个量子蟑螂种群记忆的最优量子位置和全局最优量子位置进行经验学习，进行量子旋转角的更新，量子蟑螂的第m维量子旋转角更新为
Figure BDA0001403709720000049
其中，c2为加权系数，
Figure BDA00014037097200000410
则第h只量子蟑螂通过模拟量子旋转门的方式进行爬行，得到的量子位置为
Figure BDA00014037097200000411
本发明的有益效果在于：
与现有技术相比，本发明基于信能协同传输的OFDM中继系统模型，在源节点和中继节点的峰值功率约束及每个子载波的能量约束下提出了一种复杂度较低的资源分配方案，具有的优点是本发明利用OFDM技术在中继系统中进行信能协同传输，和传统方法相比，能在同等通信条件下利用更少的系统资源提供更高的通信性能；本发明设计了新颖的用于解决连续问题的量子蟑螂搜索机制，并将该机制应用于求解OFDM中继系统的资源分配问题，利用量子计算和蟑螂搜索机制的优势降低了计算时间，提高了资源分配的效率；本发明所提出的一种信能协同传输的OFDM中继网络资源分配方法在进行有效工作的同时，它在性能上也要优越于传统的资源分配方法。
附图说明
图1为一种信能协同传输的OFDM中继网络资源分配方法的流程图。
图2为信能协同传输的OFDM中继网络模型图。
图3为中继初始能量为500mW时系统吞吐量和载波数变化关系曲线图。
图4为中继初始能量为0时系统吞吐量和载波数变化关系曲线图。
图5为中继初始能量为400mW时系统吞吐量和噪声功率变化关系曲线图。
具体实施方式：
下面结合附图对本发明做进一步的描述：
本发明涉及一种信能协同传输的OFDM中继网络资源分配方法，该方法基于信能协同传输的OFDM中继系统模型，在源节点和中继节点的峰值功率约束及每个子载波的能量约束下提出了一种复杂度较低的资源分配方案。
如图1所示，本发明设计的一种信能协同传输的OFDM中继网络资源分配方法包括以下步骤：
步骤1.建立信能协同传输的OFDM中继网络资源分配方法模型。
基于三节点信能协同传输的OFDM中继网络，包括一个源节点S，中继节点R以及目的节点D，其中R是一个有初始能量E0的能量采集节点。通信过程由两个等长的时隙完成。为了方便，每个时隙的长度归一化为1，相应的结论扩展到任意长的时隙中。在同一时间，系统带宽W被分成N个相等的正交子载波，并且子载波集合被记作
Figure BDA0001403709720000051
假设每一个信道都为瑞利衰减信道，并且子载波n的S-R信道增益为gn，子载波n的R-D信道增益为hn。
在第一时隙，
Figure BDA0001403709720000052
被分成了两个完备的集合NE和NI，分别被用于传输能量和信息，并且子载波n的传输功率为pn，
Figure BDA0001403709720000053
在第二时隙，中继通过所有的子载波传输信息，并且子载波n的传输功率为qn，
Figure BDA0001403709720000054
假设源节点的峰值功率约束为Q，因此pn应该满足
Figure BDA0001403709720000061
在中继消耗的能量不能超出初始能量和采集能量的总和，即
Figure BDA0001403709720000062
其中，η表示能量传输效率，0≤η≤1，E0为能量采集节点R的初始能量。
系统的数据传输率C必须小于等于S-R和R-D的信道容量，为确保目的节点完全接收到源传输的数据，因此
Figure BDA0001403709720000063
其中，
Figure BDA0001403709720000064
和
Figure BDA0001403709720000065
分别表示R和D的接收机噪声功率。
最大化吞吐量方程及其变量约束条件表示为
Figure BDA0001403709720000066
Figure BDA0001403709720000067
Figure BDA0001403709720000068
Figure BDA0001403709720000069
Figure BDA00014037097200000610
其中，Pmax和
Figure BDA00014037097200000611
分别表示源节点子载波和中继节点子载波的最大峰值功率，并且存在最大可达到速率
Figure BDA00014037097200000612
s.t.代表待求解变量必须满足的约束条件。
步骤2.初始化量子蟑螂群的初始种群，包括每个个体的量子位置、每个个体记忆的自身最优量子位置和位置。在量子区间初始化H只量子蟑螂，第h只量子蟑螂在第t代的量子位置为
Figure BDA00014037097200000613
其中
Figure BDA00014037097200000614
h＝1,2,...,H，m＝1,2,...,M。第h只量子蟑螂到第t代为止所记忆的自身最优量子位置为
Figure BDA00014037097200000615
步骤3.构造食物浓度函数，计算量子位置的食物浓度，记录全局最优量子位置。把第h只量子蟑螂在第t代的量子位置
Figure BDA00014037097200000616
映射为位置
Figure BDA00014037097200000617
将其带入食物浓度函数，得到
Figure BDA0001403709720000071
其中h＝1,2,...,H，λ是取值很小的惩罚因子，得到该量子位置和位置所对应的食物浓度，把食物浓度最大的量子位置记做全局最优量子位置
Figure BDA0001403709720000072
步骤4.量子蟑螂根据两种量子演化规则进行量子旋转角更新，每只量子蟑螂根据所选择量子演化规则爬行获得新的量子位置。
对于第h只量子蟑螂，依等概率从下面的演化规则随机选择一个进行量子位置的更新，规则如下所示：
规则1.量子蟑螂从自己记忆的自身最优量子位置和全局最优量子位置进行经验学习，进行量子旋转角的更新，其第m维量子旋转角更新为
Figure BDA0001403709720000073
其中m＝1,2，...,M，
Figure BDA0001403709720000074
和
Figure BDA0001403709720000075
为均匀分布在[0,1]之间的均匀随机数，c1为加权系数，
Figure BDA0001403709720000076
为第t代量子蟑螂的自身最优量子位置的第m维，
Figure BDA0001403709720000077
为第t代量子蟑螂的全局最优量子位置的第m维。
规则2.量子蟑螂从整个量子蟑螂种群记忆的最优量子位置和全局最优量子位置进行经验学习，进行量子旋转角的更新，其第m维量子旋转角更新为
Figure BDA0001403709720000078
其中，c2为加权系数，
Figure BDA0001403709720000079
则第h只量子蟑螂通过模拟量子旋转门的方式进行爬行，得到的量子位置为
Figure BDA00014037097200000710
其中m＝1,2，...,M。
步骤5.把每只量子蟑螂新产生的量子位置映射为位置，计算其食物浓度，更新每只量子蟑螂记忆中的自身最优量子位置和全局最优量子位置。
把第h只量子蟑螂在第t代的量子位置
Figure BDA00014037097200000711
映射为位置
Figure BDA00014037097200000712
将上述位置带入食物浓度函数，得到
Figure BDA0001403709720000081
其中h＝1,2,...,H，λ是取值很小的惩罚因子，得到该量子位置和位置所对应的食物浓度。
步骤6.判断是否达到最大迭代次数，若没有达到最大迭代次数，迭代次数加1，并且返回到步骤4继续迭代；否则进入到下一步骤。
步骤7.结束迭代，输出资源分配结果。
这里必须指出的是，本发明中给出的其他未说明的部分因为都是本领域的公知知识，根据本发明所述的名称或功能，本领域技术人员就能够找到相关记载的文献，因此未做进一步说明。本方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合所组成的技术。

Claims (1)

1.一种信能协同传输的OFDM中继网络资源分配方法，其特征在于，具体的实现步骤如下：
步骤1.信能协同传输的OFDM中继网络资源分配方法模型建立；
基于三节点信能协同传输的OFDM中继网络，包括一个源节点S，中继节点R以及目的节点D，其中R是一个有初始能量E0的能量采集节点，通信过程由两个等长的时隙完成，每个时隙的长度归一化为1，相应的结论扩展到任意长的时隙中，在同一时间，系统带宽W被分成N个相等的正交子载波，并且子载波集合被记作
Figure FDA0002708865890000011
假设每一个信道都为瑞利衰减信道，并且子载波n的S-R信道增益为gn，子载波n的R-D信道增益为hn；
在第一时隙，
Figure FDA0002708865890000012
被分成了两个完备的集合NE和NI，分别被用于传输能量和信息，并且子载波n的传输功率为
Figure FDA00027088658900000110
在第二时隙，中继通过所有的子载波传输信息，并且子载波n的传输功率为
Figure FDA00027088658900000111
假设源节点的峰值功率约束为Q，因此pn应该满足
Figure FDA0002708865890000015
在中继消耗的能量不能超出初始能量和采集能量的总和，即
Figure FDA0002708865890000016
其中，η表示能量传输效率，0≤η≤1，E0为能量采集节点R的初始能量；
系统的数据传输率C必须小于等于S-R和R-D的信道容量，为确保目的节点完全接收到源传输的数据，因此
Figure FDA0002708865890000017
其中，
Figure FDA0002708865890000018
和
Figure FDA0002708865890000019
分别表示R和D的接收机噪声功率；
最大化吞吐量方程及其变量约束条件表示为
Figure FDA0002708865890000021
Figure FDA0002708865890000022
Figure FDA0002708865890000023
Figure FDA0002708865890000024
Figure FDA0002708865890000025
其中，Pmax和
Figure FDA0002708865890000026
分别表示源节点子载波和中继节点子载波的最大峰值功率，并且存在最大可达到速率
Figure FDA0002708865890000027
其中的s.t.代表待求解变量必须满足的约束条件；
步骤2.初始化量子蟑螂群的初始种群，包括每个个体的量子位置、每个个体记忆的自身最优量子位置和位置，在量子区间初始化H只量子蟑螂，第h只量子蟑螂在第t代的量子位置为
Figure FDA0002708865890000028
其中
Figure FDA0002708865890000029
h＝1,2,...,H，m＝1,2,...,M，第h只量子蟑螂到第t代为止所记忆的自身最优量子位置为
Figure FDA00027088658900000210
步骤3.构造食物浓度函数，计算量子位置的食物浓度，记录全局最优量子位置，把第h只量子蟑螂在第t代的量子位置
Figure FDA00027088658900000211
映射为位置
Figure FDA00027088658900000212
将其带入食物浓度函数，得到
Figure FDA00027088658900000213
其中h＝1,2,...,H，λ是取值很小的惩罚因子，得到该量子位置和位置所对应的食物浓度，把食物浓度最大的量子位置记做全局最优量子位置，为
Figure FDA00027088658900000214
步骤4.量子蟑螂根据两种量子演化规则进行量子旋转角更新，每只量子蟑螂根据所选择量子演化规则爬行获得新的量子位置；
步骤5.把每只量子蟑螂新产生的量子位置映射为位置，计算其食物浓度，更新每只量子蟑螂记忆中的自身最优量子位置和全局最优量子位置；
把第h只量子蟑螂在第t代的量子位置
Figure FDA00027088658900000215
映射为位置
Figure FDA00027088658900000216
将上述位置带入到食物浓度函数，得到
Figure FDA0002708865890000031
其中h＝1,2,...,H，λ是取值很小的惩罚因子，得到该量子位置和位置所对应的食物浓度；
步骤6.判断是否达到最大迭代次数，若没有达到最大迭代次数，迭代次数加1，并且返回到步骤4进行继续迭代，否则进入到下一步骤；
步骤7.结束迭代，输出资源分配结果；
步骤4中所述的量子蟑螂中的第h只量子蟑螂，依等概率从下面的演化规则随机选择一个进行量子位置的更新，规则如下所示，
规则1.量子蟑螂从自己记忆的自身最优量子位置和全局最优量子位置进行经验学习，进行量子旋转角的更新，其第m维量子旋转角更新为
Figure FDA0002708865890000032
其中
Figure FDA0002708865890000033
和
Figure FDA0002708865890000034
为均匀分布在[0,1]之间的均匀随机数，c1为加权系数，
Figure FDA0002708865890000035
为第t代量子蟑螂的自身最优量子位置的第m维，
Figure FDA0002708865890000036
为第t代量子蟑螂的全局最优量子位置的第m维；
规则2.量子蟑螂从整个量子蟑螂种群记忆的最优量子位置和全局最优量子位置进行经验学习，进行量子旋转角的更新，量子蟑螂的第m维量子旋转角更新为
Figure FDA0002708865890000037
其中，c2为加权系数，
Figure FDA0002708865890000038
则第h只量子蟑螂通过模拟量子旋转门的方式进行爬行，得到的量子位置为
Figure FDA0002708865890000039
CN201710810434.1A 2017-09-11 2017-09-11 一种信能协同传输的ofdm中继网络资源分配方法 Active CN107592674B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710810434.1A CN107592674B (zh) 2017-09-11 2017-09-11 一种信能协同传输的ofdm中继网络资源分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710810434.1A CN107592674B (zh) 2017-09-11 2017-09-11 一种信能协同传输的ofdm中继网络资源分配方法

Publications (2)

Publication Number Publication Date
CN107592674A CN107592674A (zh) 2018-01-16
CN107592674B true CN107592674B (zh) 2020-12-22

Family

ID=61051854

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710810434.1A Active CN107592674B (zh) 2017-09-11 2017-09-11 一种信能协同传输的ofdm中继网络资源分配方法

Country Status (1)

Country Link
CN (1) CN107592674B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108832975B (zh) * 2018-06-07 2019-08-27 四川大学 一种无线供电放大前传中继系统收发器的优化方法
CN110233755B (zh) * 2019-06-03 2022-02-25 哈尔滨工程大学 一种物联网中雾计算的计算资源和频谱资源分配方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105376357A (zh) * 2015-09-30 2016-03-02 青岛海信移动通信技术股份有限公司 一种移动设备的天线设置方法和装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106603140B (zh) * 2016-12-12 2019-07-16 哈尔滨工程大学 无线能量采集认知无线电的最优中继协作传输方法
CN106788810B (zh) * 2016-12-12 2020-06-16 哈尔滨工程大学 一种绿色认知无线电的无线能量采集和分配方法
CN107124217A (zh) * 2017-05-22 2017-09-01 广东创锐电子技术股份有限公司 一种充分利用时隙传输信息的df多中继ofdm系统的多种资源优化算法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105376357A (zh) * 2015-09-30 2016-03-02 青岛海信移动通信技术股份有限公司 一种移动设备的天线设置方法和装置

Also Published As

Publication number Publication date
CN107592674A (zh) 2018-01-16

Similar Documents

Publication Publication Date Title
US9113371B2 (en) Cross-layer optimization for next-generation WiFi systems
CN110430613B (zh) 多载波非正交多址接入系统基于能效的资源分配方法
US20070091983A1 (en) Method and system for power controlled effective allocation of sub-bands in ultra-wideband communication
KR20200060290A (ko) Ofdma swipt 시스템의 통합 자원 할당 장치 및 방법
CN108306700B (zh) 一种基于能效博弈的子载波资源分配方法
CN104703270B (zh) 适用于异构无线蜂窝网络的用户接入和功率分配方法
Uddin Throughput performance of NOMA in WLANs with a CSMA MAC protocol
CN101998612B (zh) 两跳多中继的正交频分复用系统中的资源分配方法和装置
CN108811023B (zh) 一种基于萤火虫算法的swipt协作通信系统中继选择方法
CN101917768B (zh) 一种正交频分多址接入中继系统的用户公平资源分配方法
CN107592674B (zh) 一种信能协同传输的ofdm中继网络资源分配方法
CN110677175A (zh) 一种基于非正交多址系统的子信道调度与功率分配联合优化方法
CN110191476B (zh) 一种基于可重构天线阵列的非正交多址接入方法
Huang et al. Multimedia over cognitive radio networks: Towards a cross-layer scheduling under Bayesian traffic learning
Banerjee et al. Game theoretic analysis of an adversarial status updating system
CN112469113B (zh) 一种多载波noma系统的资源分配方法及装置
Yang et al. Optimal resource allocation in full-duplex ambient backscatter communication networks for green IoT
CN111682915B (zh) 一种频谱资源自分配方法
Ling et al. Schemes of power allocation and antenna port selection in OFDM distributed antenna systems
Gheitanchi et al. Particle swarm optimization for adaptive resource allocation in communication networks
Sastry et al. A Novel Approach to the Resource Allocation for the Cell Edge Users in 5G.
CN115865298A (zh) 一种面向主动健康监测系统的传输时延优化方法
WO2023031875A1 (en) Methods and systems for compressed csi for virtual wideband channels
Chen et al. Optimization of cyclic-delay diversity aided frequency-selective scheduling in OFDMA downlink systems
Kai et al. Inter-cell packet scheduling in OFDMA wireless network

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant